4月17日消息,据国外媒体报道,视频网站Netflix的首席执行官里德·哈斯廷斯(Reed Hastings)周三表示,公司希望在中国市场推出不带广告的付费视频播放服务,坚持公司的传统模式而不去寻找广告主。
这家美国公司此前曾表示,有计划在中国推出“小规模”的服务,前提是它能够获得牌照在中国开展业务。中国消费者习惯免费观看娱乐节目,这些内容要么靠广告支持,要么来自盗版途径。
Netflix提供电视剧与电影点播服务。这些节目没有广告,想要观看的消费者需要按月支付费用。
“我们的擅长之处在于没有广告的内容,”哈斯廷斯在采访中表示。“这可能会导致在最开始的几年,我们只能在中国的部分地方开展业务,不过计划就是这样。”
Netflix目前在大约50个国家运营自己的网络视频服务,公司的目标是在2016年末把受众市场扩大到200个。在激进的海外增长战略下,公司突破了自己的预期,付费用户数在第一季度达到了6230万人。
对于中国,“我们会持续寻找机会,与中国公司,以及在中国市场表现成功或遭遇困难的美国公司交流,”哈斯廷斯说。“这是个渐进的过程。”
Netflix的首席运营官泰德·萨兰多斯(Ted Sarandos)上月在接受采访时表示,公司可能会在没有当地合作伙伴的情况下进入中国市场。中国向来以监管严格以及审查制度而闻名,这样一种做法可能让该公司更难在中国做生意。
但萨兰多斯周三对分析师表示,媒体的报道“稍微有点断章取义”。
在财报发布后的电话会议上,萨兰多斯表示,“我们非常希望在中国开展业务,而且会尝试各种形式。”
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。